Distribucin normal

Sin duda la distribucin continua

de probabilidad ms importante,
por la frecuencia con que se
encuentra y por sus aplicaciones
tericas, es la distribucin
Pierre Simon de Laplace normal, gaussiana o de
(1749-1827) Laplace- Gauss. Fue descubierta
y publicada por primera vez en
1733 por De Moivre. A la misma
llegaron, de forma independiente,
Laplace (1812) y Gauss (1809),
en relacin con la teora de los
errores de observacin
astronmica y fsica .
Karl F.
Gauss
20/12/2017 EDGAR ALVAREZ ARAGON 1
(1777-1855)
 UNSAAC
Facultad de Ingeniera Qumica
ESTADISTICA INDUSTRIAL
DISTRIBUCION NORMAL

Ing. Edgar Alvarez Aragon

2015-I
20/12/2017 EDGAR ALVAREZ ARAGON 2
Existen dos razones bsicas por las cuales la distribucin normal
ocupa un lugar tan prominente en la estadstica :

Tiene algunas propiedades que la hacen aplicable a un gran

nmero de situaciones en la que es necesario hacer inferencias
mediante la toma de muestras.

La distribucin normal casi se ajusta a las distribuciones de

frecuencias reales observadas en muchos fenmenos, incluyendo
caractersticas humanas, resultados de procesos fsicos y muchas
otras medidas de inters para los administradores, tanto en el
sectorpblico como en el privado.

20/12/2017 EDGAR ALVAREZ ARAGON 3

 Distribucin normal o gaussiana

Est caracterizada por dos parmetros: la media, y la desviacin tpica, .

Su funcin de densidad es:

( x ) 2
1
N (, ) P( x) e 2 2
( 0)
2

La curva normal adopta un nmero infinito de formas,

determinadas por sus parmetros y .

20/12/2017 EDGAR ALVAREZ ARAGON 4

 Caractersticas de la distribucin Normal
Tiene forma de campana, es asinttica al eje de las abscisas (para x =
Simtrica con respecto a la media () donde coinciden la mediana (Mn) y la
moda (Mo )

Los puntos de inflexin tienen como abscisas los valores

Puntos
de
inflexin

+
20/12/2017 - , Mo, Mn + 5
EDGAR ALVAREZ ARAGON
 Distribucin normal con =0 para varios valores
1.6

1.2 0.25
0.5
1
p(x) 0.8

0.4

0
-2.50 -1.50 -0.50 0.50 1.50 2.50
20/12/2017 x
EDGAR ALVAREZ ARAGON 6
 ( x ) 2
1
N (, ) P( x) e 2 2
( 0)
2

5 5

10

20 30 40 50 60 70 80 90 100 110 120

Curvas normales con distintas medias y desviaciones estndar.

20/12/2017 7
EDGAR ALVAREZ ARAGON
N(, ): Interpretacin
geomtrica

Podemos interpretar la
media como un factor de
traslacin.

Y la desviacin tpica
como un factor de escala,
grado de dispersin,

20/12/2017 8
EDGAR ALVAREZ ARAGON
 N(, ): Interpretacin probabilista
Entre la media y una
desviacin tpica tenemos
siempre la misma
probabilidad:
aproximadamente el
68%.

Entre la media y
dos desviaciones
tpicas aprox. 95%

Si tomamos intervalos centrados en , y cuyos extremos estn

a distancia , tenemos probabilidad 68%
a distancia 2 , tenemos probabilidad 95%
20/12/2017 . 9
a distancia 25 tenemos probabilidad 99%
 ( x ) 2
1
N (, ) P( x) e 2 2

2
Podemos obtener la funcin de
distribucin F(x) integrando la
funcin de densidad de probabilidad:

x ( v ) 2 De modo que la probabilidad de una

1
F ( x) e
2
2
dv variable aleatoria normal X en un
2 intervalo a x b es:
b ( v ) 2
1
P(a X b) F (b) F (a)
2 a
e 2 2
dv
( v ) 2
1
En particular:
2 e

2 2
dv 1

No podemos calcular analticamente el valor de la integral!

10
Tabularemos sus valores numricos... EDGAR ALVAREZ ARAGON
20/12/2017
 Cmo calcular probabilidades asociadas
a una curva normal especfica?

Dado que tanto como pueden asumir infinitos valores lo

que hace impracticable tabular las probabilidades para todas las
posibles distribuciones normales, se utiliza la distribucin
normal reducida o tipificada.

Se define una variable z= x -

Es una traslacin , y un cambio de escala de

la variable original.
20/12/2017 EDGAR ALVAREZ ARAGON 11
 La nueva variable z se distribuye como una
NORMAL con media = 0 y desviacin tpica = 1
Recordemos de nuevo que en cualquier distribucin normal las
probabilidades delimitadas entre :
68 %
2 95 %
3 99 %

95%
68%
99%
68%

95%
99% z
-3
20/12/2017 -2 -1 0 1 2 3 12
EDGAR ALVAREZ ARAGON
 Tipificacin
Dada una variable de media y desviacin tpica
, se denomina valor tipificado z, de una
observacin x, a la distancia (con signo) con
respecto a la media, medido en desviaciones
tpicas, es decir:

x
z

En el caso de variable X normal, la interpretacin es clara:
asigna a todo valor de N(, ), un valor de N(0,1) que deja
exctamente la misma probabilidad por debajo.

13
EDGAR ALVAREZ ARAGON
Las probabilidades de la variable tipificada
(z) estn tabuladas para los diferentes
valores de la variable.
E

Para calcular probabilidades, una vez D

G
A

transformada, la variable a valores de z, se R

A
L

busca en una tabla el rea correspondiente. V

A
R
E
Z
A
R
A
G
O
N

20/12/2017 14
 z2
1
p( z ) e 2
; z Caracterstica de la distribucin normal
2 tipificada (reducida o estndar):

z u2
1 No depende de ningn parmetro.
F ( z ) p( Z z )
2 e

2
du
Su media es 0, su varianza es 1 y su
desviacin tpica es 1.

La curva f(x) es simtrica respecto al eje de

ordenadas y tiene un mximo en este eje.

Tiene dos puntos de inflexin en z =1 y z =

-1.

20/12/2017 15
EDGAR ALVAREZ ARAGON
Hay varios tipos de tablas de la distribucin normal
La que se explica aqu representa las reas para los
diferentes valores de z desde 0 hasta +.

Los valores
negativos de z NO
estn tabulados, ya
que la distribucin
es simtrica

+
20/12/2017
0
EDGAR ALVAREZ ARAGON
16
La tabla consta de: *Margen izquierdo : Los enteros de z y
su primer decimal.
* Margen superior: segundo decimal
* Cuerpo de la tabla: reas correspondientes,
acumuladas, desde 0
hasta 3.99

0 1 2 3 4 5 6 7 8 9

0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0363 .0675 .0675 .0754
0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .... ...... ......
0.3 .1179 ..... ...... ...... ......
0.4 .1554 .... ..... ....

0.5 .1915 ....

20/12/2017 EDGAR ALVAREZ ARAGON 17

 Z es normal tipificada.

Calcular P[Z<1,85]

Solucin: 0,968 = 96,8%

20/12/2017 EDGAR ALVAREZ ARAGON 18

 EJEMPLOS:
1.-Cul es la probabilidad de que un
valor de z est entre 0 y -2.03?

2.-Cul es la probabilidad de que un

valor de z est entre -2.03 y +2.03?

3. Hallar P( z >1.25 ) 4. Hallar P ( -0.34 < z < )

5. Hallar P ( 0.34 < z < 2.30 )

20/12/2017 EDGAR ALVAREZ ARAGON 19

 Ejemplo 1
Cul es la probabilidad de que un valor de z est entre 0 y -2.03?

Cmo la curva es simtrica

P (-2.03 < z < 0) = P (0 < z < 2.03)

?
z
-3 -2 -1 0 1 2 3
20/12/2017 EDGAR ALVAREZ ARAGON 20
 Ejemplo 1
Cul es la probabilidad de que un valor de z est entre 0 y -2.03?
Se busca en la tabla el rea correspondiente a z = 2.03

0 1 2 3 4
1.8
1.9
2.0 0.47882
2.1

47. 88%

z
-3 -2 -1 0 1 2 3
20/12/2017 EDGAR ALVAREZ ARAGON 21
 Ejemplo 2
Cul es la probabilidad de que un valor de z est entre -2.03 y 2.03 ?
En el ejemplo 1, vimos que la probabilidad de que z estuviera entre 0 y
2.03= 0.47882
La misma rea hay entre 0 y
-2.03 , por lo tanto
P ( -2.03< z< 2.03) = 0.95764

?
95.76%
47.88% 47.88%
z
-3 -2 -1 0 1 2 3
20/12/2017 EDGAR ALVAREZ ARAGON 22
 Ejemplo 3
Cul es la probabilidad de que un valor de z sea mayor a 1.25 ?

1.- La probabilidad de 0 < z < + = 0.500

2.- La probabilidad de 0 < z < 1.25 = 0.39435
3.- La probabilidad de z > 1.25 =
0.500 - 0.39435= 0.10565

50%

39.44%
10.56%
? z
-3 -2 -1 0 1 2 3

20/12/2017 EDGAR ALVAREZ ARAGON 23

 Ejemplo 4
Hallar P( -0.34 < z < )
P(0 < z <0.34) = 0.13307 = 63.31%
P(-0.34 < z < 0)
P (0 < z < ) = 0.50000
P( -0.34 < z < ) =
0.13307 + 0.50000 = 0.63307

13.31% 50%

-3
20/12/2017
-2 -1 EDGAR ALVAREZ
0 1
ARAGON
2 3 24
 Ejemplo 5
Hallar P( 0.34 < z < 2.30) P(0< z <0.34) = 0.13307
P( 0 < z < 2.30) = 0.4893
P (0.34 < z < 2.30) = 0.48930 - 0.13307 = 0.35623

35.62%

z
-3 -2 -1 0 1 2 3
20/12/2017 EDGAR ALVAREZ ARAGON 25
 EJEMPLO

Sea una variable distribuida normalmente con media

= 4 y desviacin tpica = 1.5.
Cul es la probabilidad de encontrar un valor x 6
(P(x 6 ))?

20/12/2017 EDGAR ALVAREZ ARAGON 26

 =4 = 1.5 Hallar P ( x > 6 )
x
1.- transformar x en un valor de z z
z = (6 - 4)/1.5 = 1.33
2.- Hallar P ( 0 < z < 1.33) =
3.- 0.5000 - 0.40824 = 0.5

0.40824

0.09176
? x
-0.5 1 2.5 4 5.5 6 7 8.5
-3 -2 -1 0 1 1.33 2 3 z

20/12/2017 EDGAR ALVAREZ ARAGON 27

Hasta ahora vimos como dado un valor x de la variable,
hallar probabilidades transformando (estandarizacin) la
variable en valores de x-
z=

Cmo hallar un valor de x, dada la probabilidad?
Ejemplo: Sea una variable distribuida normalmente con =4 y
=2 . Hallar el valor de x que deja por encima de l un 38.20%
(0.3820)
Se debe desestandarizar :
x=z+
0.5000 - 0.382 = 0.118 Se busca en la
tabla el valor ms aproximado :0.1179 38.20%
corresponde a z =+ 0.30
Sustituyendo en la frmula
0.30x2+4 =4.60 x=?
4.60
20/12/2017 EDGAR ALVAREZ ARAGON 28
MINITAB
Hay un programa de entrenamiento diseado para mejorar la calidad de las
habilidades de supervisin de los supervisores de la lnea de produccin. Debido
a que el programa es autoadministrado, los supervisores requieren un nmero
diferente de horas para terminarlo. Un estudio de los participantes anteriores
indica que el tiempo medio que se lleva completar el programa es de 500 horas, y
que esta variable aleatoria normalmente distribuida tiene una desviacin estndar
de 100 horas. Cul es la probabilidad de que un candidato elegido al azar
requiera ms de 500 horas para completar el programa de entrenamiento?

De la grfica podemos observar que

la mitad del rea bajo la curva est
localizada a ambos lados de la media
de 500 horas. Por tanto, podemos
deducir que la probabilidad de que
la variable aleatoria tome un valor
mayor a 500 es el rea sombreada,
es decir, 0.5

20/12/2017 EDGAR ALVAREZ ARAGON 29

20/12/2017 EDGAR ALVAREZ ARAGON 30
20/12/2017 EDGAR ALVAREZ ARAGON 31
 Para obtener la grfica en minitab
seleccionamos:
Graph / Probability Distribution
Plot
En seguida aparecer una ventana
Probability Distribution Plot (Grfica
de Distribucin de Probabilidad) con el
puntero seleccionamos ViewProbability
(Vista de Probabilidad) y una vez
seleccionado presionamos OK.

20/12/2017 EDGAR ALVAREZ ARAGON 32

 En seguida aparecer otra una ventana
Probability Distribution Plot View Probability
(Grfica de Distribucin de Probabilidad
Vista de Probabilidad).
En el campo de Distribution: seleccionar
Normal
En el campo de Mean (media = l ) colocamos
500
En el campo de Standar deviation colocamos
100
Seleccionamos la pestaa de Shaded Area:
seleccionamos Probability
seleccionamos el Right Tail or Left Tail
(trabajaremos con right Tail)
En el campo de Probability: colocamos 0.5 (ya
que para este caso la media ocupa
exactamente el punto ms alto de la curva por
tanto la probabilidad es de 0.5) Una vez
alimentado los datos presionamos OK

20/12/2017 EDGAR ALVAREZ ARAGON 33

El programa MIinitab nos arrojar la grfica mostrada.
Estos pasos descritos fue simplemente para mostrar la manera de graficarlo.

20/12/2017 EDGAR ALVAREZ ARAGON 34

Partiendo de la misma premisa, = 500 y = 100. Cul es la
probabilidad de que un candidato elegido al azar se tome entre 500 y
650 horas en completar el programa de entrenamiento?

Z =x Z =650 - 500
Z=1.5 desviaciones estndar
100

Si buscamos Z=1.5 (refirase a la tabla de la

pg. 28), encontramos una probabilidad de
0.4332.
Por lo tanto, la probabilidad de que un
candidato escogido al azar requiera entre 500
y 650 horas para terminar el programa de
entrenamiento es de 0.4332

20/12/2017 EDGAR ALVAREZ ARAGON 35

MINITAB

Para obtener la grfica en minitab seleccionamos:

Graph / Probability Distribution Plot
En seguida aparecer una ventana
Probability Distribution Plot (Grfica de
Distribucin de Probabilidad) con el puntero
seleccionamos View Probability (Vista de
Probabilidad) y una vez seleccionado presionamos
OK.

20/12/2017 EDGAR ALVAREZ ARAGON 36

 En la pestaa de Distribution :seleccionar
Normal
En el campo de Mean (media = l )
colocamos 500
En el campo de Standar deviation
colocamos 100
Seleccionamos ahora la pestaa de
Shaded Area: Probability
seleccionamos el Middle
En el campo de X value 1: colocamos 500
(valormedio)
En el campo de X value 2: colocamos 650
(valor de la probabilidad que toma la
varieable en ese punto)
Una vez alimentado los datos presionamos
OK .

20/12/2017 EDGAR ALVAREZ ARAGON 37

Es decir, la probabilidad de que un candidato escogido al azar requiera entre
500 y 650 horas para terminar el programa de entrenamiento es de 0.433.

20/12/2017 EDGAR ALVAREZ ARAGON 38

Desarrollo de un Caso.
Una empresa elctrica fabrica focos que tienen una duracin antes de fundirse, que se distribuye normalmente
con media igual a 820 horas y una desviacin estndar de 42 horas. Encuentre lo siguiente:
a) La probabilidad de que el foco se funda entre las 780 y 830 horas.
b) Que probabilidad hay de que un foco dure ms de 850 horas.
c) Que probabilidad hay de que un foco dure entre 710 y 760 horas

20/12/2017 EDGAR ALVAREZ ARAGON 39

1.- Abrir el Minitab.
Clic en Shaded Area.
2.- Colocarse en el siguiente Men y opcin: Graph Probability Distribution Plot Seleccionar X Value,
3.- Clic en View Probability Clic en Middle y proporcionar los valores de X1 y
4.- Seleccionar Distribucin Normal. X2
Introducir la Media (Mean) y la Desviacin Estndar (Standard deviation)

20/12/2017 40
EDGAR ALVAREZ ARAGON
De 820 (la media) a 855 tenemos una probabilidad de 0.298

20/12/2017 EDGAR ALVAREZ ARAGON 41

20/12/2017 EDGAR ALVAREZ ARAGON 42
 MINITAB

Seleccionar Shaded Area y X Value y proporcionar los valores de X1 y X2

20/12/2017 EDGAR ALVAREZ ARAGON 43

Minitab despliega la grfica de la distribucin normal con el valor de la probabilidad
sombreado: 0.0722 o 7.2 % el mismo resultado que haciendo el ejercicio de forma manual

20/12/2017 EDGAR ALVAREZ ARAGON 44

 45
20/12/2017
EDGAR ALVAREZ ARAGON
20/12/2017 EDGAR ALVAREZ ARAGON 46
20/12/2017 EDGAR ALVAREZ ARAGON 47
20/12/2017 EDGAR ALVAREZ ARAGON 48
20/12/2017 EDGAR ALVAREZ ARAGON 49
20/12/2017 EDGAR ALVAREZ ARAGON 50